論文の概要: Simulation of Social Media-Driven Bubble Formation in Financial Markets using an Agent-Based Model with Hierarchical Influence Network

• arxiv url: http://arxiv.org/abs/2409.00742v1
• Date: Sun, 1 Sep 2024 15:09:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-06 11:36:58.086944
• Title: Simulation of Social Media-Driven Bubble Formation in Financial Markets using an Agent-Based Model with Hierarchical Influence Network
• Title（参考訳）: 階層的影響ネットワークを用いたエージェントモデルによる金融市場におけるソーシャルメディア駆動バブル形成のシミュレーション
• Authors: Gonzalo Bohorquez, John Cartlidge,
• Abstract要約: 我々は,取引業者が階層的なコミュニティネットワークに埋め込まれた金融市場のエージェントベースモデルを導入する。 このモデルは、エコーチャンバーやポンプ・アンド・ダンプのようなソーシャルメディア駆動の現象が金融市場に与える影響を現実的にシミュレートすることができる。
• 参考スコア（独自算出の注目度）: 4.020829863982153
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose that a tree-like hierarchical structure represents a simple and effective way to model the emergent behaviour of financial markets, especially markets where there exists a pronounced intersection between social media influences and investor behaviour. To explore this hypothesis, we introduce an agent-based model of financial markets, where trading agents are embedded in a hierarchical network of communities, and communities influence the strategies and opinions of traders. Empirical analysis of the model shows that its behaviour conforms to several stylized facts observed in real financial markets; and the model is able to realistically simulate the effects that social media-driven phenomena, such as echo chambers and pump-and-dump schemes, have on financial markets.
• Abstract（参考訳）: 木のような階層構造は、金融市場の創発的行動、特にソーシャルメディアの影響と投資家の行動との間に明らかな共通点が存在する市場をモデル化するための単純かつ効果的な方法である。 この仮説を探求するために,取引業者が階層的なコミュニティネットワークに埋め込まれ,コミュニティがトレーダーの戦略や意見に影響を与える,金融市場のエージェントベースモデルを導入する。 このモデルの実証分析は、その行動が実際の金融市場で観察されるいくつかのスタイル化された事実に適合していることを示し、このモデルは、エコーチャンバーやポンプ・アンド・ダンプ・スキームのようなソーシャルメディア駆動の現象が金融市場にもたらす影響を現実的にシミュレートすることができることを示している。

関連論文リスト

• A Multi-agent Market Model Can Explain the Impact of AI Traders in Financial Markets -- A New Microfoundations of GARCH model [3.655221783356311]
  本稿では,ノイズトレーダー,基本トレーダー,AIトレーダーの3種類のエージェントを組み込んだマルチエージェント市場モデルを提案する。 我々は,このモデルをマルチエージェントシミュレーションにより検証し,金融市場のスタイル化された事実を再現する能力を確認した。
  論文  参考訳（メタデータ） (2024-09-19T07:14:13Z)
• MarS: a Financial Market Simulation Engine Powered by Generative Foundation Model [37.40553007693943]
  金融市場では、生成モデルは様々な行動の市場効果をシミュレートし、市場シーンやプレイヤーとの相互作用を可能にし、金融リスクのないトレーニング戦略を訓練することができる。 金融市場シミュレーションのための秩序レベル生成基盤モデルである大規模市場モデル(LMM)を提案する。 LMMを利用した金融市場シミュレーションエンジン(MarS)は,現実的でインタラクティブで制御可能な注文生成の必要性に対処する。
  論文  参考訳（メタデータ） (2024-09-04T08:16:22Z)
• Modelling Opaque Bilateral Market Dynamics in Financial Trading: Insights from a Multi-Agent Simulation Study [15.379345372327375]
  本稿では,オーストラリア国債取引における不透明な二国間市場を表現することを目的とする。 交渉された取引と限られた数のエージェントによって特徴づけられる二国間市場の特異性は、エージェントベースのモデリングと量的金融に価値ある洞察をもたらす。 市場構造における市場剛性の影響を考察し,市場設計における安定性の要素について考察する。
  論文  参考訳（メタデータ） (2024-05-05T08:42:20Z)
• A Network Simulation of OTC Markets with Multiple Agents [3.8944986367855963]
  我々は、取引が市場メーカによってのみ仲介される、オーバー・ザ・カウンタ(OTC)金融市場をシミュレートするための新しいアプローチを提案する。 本稿では,ネットワークモデルを用いて市場構造が価格変動に与える影響について考察する。
  論文  参考訳（メタデータ） (2024-05-03T20:45:00Z)
• An Auction-based Marketplace for Model Trading in Federated Learning [54.79736037670377]
  フェデレートラーニング(FL)は、局所的な分散データを用いたトレーニングモデルにおいて、その効果がますます認識されている。 FLはモデルのマーケットプレースであり、顧客は買い手と売り手の両方として振る舞う。 本稿では,性能向上に基づく適切な価格設定を実現するため,オークションベースのソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-02T07:25:53Z)
• EconAgent: Large Language Model-Empowered Agents for Simulating Macroeconomic Activities [43.70290385026672]
  EconAgentは、マクロ経済シミュレーションのための人間のような特徴を持つ大規模言語モデルを用いたエージェントである。 まず,エージェントの判断による市場動態を取り入れたシミュレーション環境を構築する。 認識モジュールを通して、異なる意思決定機構を持つ異種エージェントを作成する。
  論文  参考訳（メタデータ） (2023-10-16T14:19:40Z)
• Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics in Limit-Order Book Markets [84.90242084523565]
  伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。 最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。 予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
  論文  参考訳（メタデータ） (2022-03-07T18:59:54Z)
• Finding General Equilibria in Many-Agent Economic Simulations Using Deep Reinforcement Learning [72.23843557783533]
  本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。 私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。 当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
  論文  参考訳（メタデータ） (2022-01-03T17:00:17Z)
• On the Opportunities and Risks of Foundation Models [256.61956234436553]
  これらのモデルの基礎モデルは、批判的に中心的だが不完全な性格を根底から立証するものです。 本報告では,基礎モデルの可能性とリスクについて概説する。 これらの疑問に対処するためには、基礎モデルに関する重要な研究の多くは、深い学際的なコラボレーションが必要であると信じている。
  論文  参考訳（メタデータ） (2021-08-16T17:50:08Z)
• A Hybrid Learning Approach to Detecting Regime Switches in Financial Markets [0.0]
  本稿では,米国金融市場におけるレギュラースイッチ検出のための新しい枠組みを提案する。 クラスタ分析と分類の組み合わせを用いて、公開可能な経済データに基づいて金融市場の体制を同定する。 検出された体制に基づいて2つの取引戦略を構築・評価することで,枠組みの有効性を示す。
  論文  参考訳（メタデータ） (2021-08-05T01:15:19Z)
• Gaussian process imputation of multiple financial series [71.08576457371433]
  金融指標、株価、為替レートなどの複数の時系列は、市場が潜んでいる状態に依存しているため、強く結びついている。 金融時系列間の関係を多出力ガウスプロセスでモデル化することで学習することに注力する。
  論文  参考訳（メタデータ） (2020-02-11T19:18:18Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。